Kể từ khi OpenAI gây chấn động thế giới với Sora - mô hình chuyển đổi văn bản thành video vào tháng 2/2024, các gã khổng lồ công nghệ Trung Quốc đã lao vào cuộc đua phát triển AI tạo video với tốc độ chóng mặt.
Từ Kuaishou đến ByteDance, tất cả đều đặt cược lớn vào công nghệ này như một cứu cánh cho doanh thu trong bối cảnh các chatbot và mô hình ngôn ngữ lớn chưa đáp ứng được kỳ vọng thương mại. Tuy nhiên, dù có những bước tiến ấn tượng, công nghệ video AI hiện tại vẫn chỉ là "món khai vị" chứ chưa thể thay thế ngành điện ảnh truyền thống.
Cuộc cách mạng bắt đầu từ những tham vọng khiêm tốn nhưng táo bạo
Kuaishou Technology, thay vì theo đuổi xu hướng phát triển chatbot như phần lớn ngành công nghiệp, đã quyết định tập trung vào việc ứng dụng các mô hình ngôn ngữ lớn cho ứng dụng video ngắn và kinh doanh quảng cáo của mình. Phó chủ tịch cấp cao Gai Kun đã thẳng thắn thừa nhận rằng các mô hình GPT đang gặp khó khăn trong việc đạt được khả năng suy luận mạnh mẽ, khiến con đường tiến tới trí tuệ nhân tạo tổng quát trở nên đầy thử thách.
Video của Kling có chất lượng tương đương Sora của OpenAI
Nhận thấy giới hạn của LLMs trong việc tạo ra doanh thu, Kuaishou đã đầu tư mạnh tay vào các mô hình tạo video cơ bản. Trong suốt hai năm, công ty đã xây dựng một cụm tính toán khổng lồ để huấn luyện các mô hình với hàng nghìn tỷ tham số.
Thành quả của sự kiên trì này là Kling AI, được ra mắt vào tháng 6/2024 với khả năng tạo ra những video dài 5 giây ở độ phân giải 1080p. Điều đáng chú ý hơn cả là con số doanh thu mà Kling AI mang lại: 150 triệu nhân dân tệ (khoảng 20,8 triệu USD) chỉ trong quý đầu tiên của năm 2025, biến nó thành một nguồn thu quan trọng mới cho Kuaishou.
Không muốn bị bỏ lại phía sau, ByteDance đã có những động thái không kém phần quyết liệt. Công ty đã tái cơ cấu ban lãnh đạo, đưa cựu CEO Douyin Zhang Nan về dẫn dắt các dự án AI trong bộ phận chỉnh sửa video.
Đội ngũ của Zhang đã được tăng cường tài nguyên tính toán để phát triển Jimeng AI, một sản phẩm lấy cảm hứng từ Dall-E 2 của OpenAI nhưng chuyên biệt hóa cho thị trường Trung Quốc. Vào tháng 9/2024, ByteDance đã ra mắt thêm nhiều mô hình tạo video cho Jimeng AI, với tổng cộng 5 mô hình hiện được tích hợp và quản lý bởi bộ phận Seed của công ty.
clip do Jimeng AI của ByteDance tạo ra
Sự cạnh tranh gay gắt giữa hai ông lớn đã mang lại những sản phẩm có điểm mạnh riêng biệt. Theo phản hồi từ cộng đồng người sáng tạo nội dung, Kling AI thể hiện sự vượt trội trong việc tạo ra các sắc thái nhân vật chính xác và tinh tế, trong khi Jimeng AI lại xuất sắc hơn về tính liên tục của cảnh quay và chuyển động nhân vật. Sự khác biệt này đã tạo nên một thị trường đa dạng, nơi các nhà sáng tạo có thể lựa chọn công cụ phù hợp với nhu cầu cụ thể của từng dự án.
Về số lượng người dùng, cuộc đua tỏ ra khá cân bằng nhưng Jimeng AI đang dẫn trước. Tính đến tháng 3/2025, Jimeng AI đã thu hút được 8,93 triệu người dùng hoạt động hàng tháng, trong khi Kling AI có 1,8 triệu người dùng theo dữ liệu từ QuestMobile. Con số này cho thấy sức hút mạnh mẽ của công nghệ video AI trong cộng đồng sáng tạo nội dung Trung Quốc.
Cả hai nền tảng đều nhanh chóng nhận ra tiềm năng thương mại của công nghệ và triển khai các mô hình kinh doanh phù hợp. Hệ thống đăng ký theo cấp với các gói credit khác nhau đã được ra mắt ngay sau khi giới thiệu các công cụ AI. Kuaishou đã đi xa hơn bằng cách tạo ra các sáng kiến hỗ trợ người sáng tạo nội dung ký kết hợp đồng, trong khi ByteDance lại tập trung vào việc phân phối credit Jimeng và thúc đẩy sáng tạo micro drama, mở ra những cơ hội mới trong lĩnh vực nội dung liên kết thương mại điện tử.
Các hạn chế đáng kể so với phim truyền thống
Tuy nhiên, dù có những thành tựu ấn tượng, công nghệ video AI hiện tại vẫn còn rất nhiều hạn chế. Các công cụ hiện tại chưa thể sản xuất những bộ phim dài một cách tự động và liền mạch. Điều này đã được chính các nhà làm phim như Wei Lian xác nhận khi ông phải sử dụng đồng thời nhiều công cụ khác nhau - Jimeng AI, Kling AI, PixVerse và Pika AI - để tận dụng điểm mạnh riêng của từng nền tảng. Thực tế này cho thấy chưa có giải pháp đơn lẻ nào có thể thống trị hoàn toàn trong lĩnh vực sản xuất video AI.
Sự hạn chế này không chỉ thể hiện ở khía cạnh kỹ thuật mà còn ở quy trình sáng tạo. Việc phải chuyển đổi giữa nhiều công cụ khác nhau không chỉ tốn thời gian mà còn đòi hỏi người sáng tạo phải có hiểu biết sâu về điểm mạnh và yếu của từng nền tảng. Điều này tạo ra một rào cản không nhỏ đối với những người mới bắt đầu trong lĩnh vực này.
Bên cạnh đó, chất lượng video được tạo ra, dù đã có những cải thiện đáng kể, vẫn chưa đạt đến tiêu chuẩn chuyên nghiệp cần thiết cho các sản phẩm điện ảnh quy mô lớn. Những video ngắn 5 giây ở độ phân giải 1080p của Kling AI hay các sản phẩm tương tự từ Jimeng AI vẫn còn xa mới có thể cạnh tranh với những gì mà các studio Hollywood hay Bollywood có thể tạo ra.
Tuy nhiên, triển vọng tương lai của lĩnh vực này vẫn rất tươi sáng. Các chuyên gia dự đoán rằng những cải tiến sẽ đến từ việc phát triển các mô hình đa phương thức, có khả năng tích hợp text, hình ảnh, âm thanh và video một cách liền mạch. Những mô hình này hứa hẹn sẽ có khả năng tạo ra những video phức tạp và chân thực hơn, có thể đáp ứng được những yêu cầu khắt khe hơn của ngành sản xuất nội dung chuyên nghiệp.
Mặt khác, sự phát triển này cũng tạo ra những cơ hội kinh doanh mới. Việc Kling AI có thể tạo ra 20,8 triệu USD doanh thu chỉ trong một quý cho thấy tiềm năng thương mại khổng lồ của lĩnh vực này. Các công ty không chỉ đầu tư vào công nghệ mà còn xây dựng cả một hệ sinh thái kinh doanh xung quanh nó, từ các gói thuê bao đến các chương trình hỗ trợ nhà sáng tạo nội dung.
* Mời quý độc giả theo dõi các chương trình đã phát sóng của Đài Truyền hình Việt Nam trên TV Online và VTVGo!